基于退化YOLO网络的树脂镜片缺陷识别方法研究
发布时间：2021-06-05 10:05
树脂镜片缺陷自动化检测一直以来都是镜片制造业领域的一个难题。目前树脂镜片厂商的检测方法主要采用人工目测的方法,效率低下、误检率高。国内研究学者一般采用人工特征提取方法来提取镜片缺陷特征,对镜片缺陷特征识别研究做出了一定的努力,不过依旧停留在研究阶段。针对树脂镜片缺陷,采用深度学习算法为镜片缺陷自动化检测提供一种有效的缺陷识别方法。镜片检测中的重要问题是多缺陷识别,需要解决对缺陷的真伪辨识和形态区分。真伪辨识主要是解决镜片内在缺陷与镜片表面灰尘的区分,形态区分主要是解决多缺陷的类别和位置确认。本文将针对这两类问题开展研究工作。针对以上问题,选取树脂镜片中最主要的四种缺陷（气泡、毛絮、划痕、麻点）和附着在树脂镜片上的灰尘为研究对象。针对镜片表面的灰尘对麻点缺陷识别造成干扰的问题,分析灰尘和麻点的形态特点,由于灰尘在形态上比麻点要小很多,因此尝试使用形态学处理方法研究去除灰尘的干扰。针对形态区分的多缺陷识别问题,以整张树脂镜片图像作为研究对象,识别一张镜片中多个缺陷的,提出一种基于退化YOLO网络的树脂镜片缺陷识别方法,使用深度学习来对一张图片中的多个缺陷同时识别。结果表明,在去除镜片表面的...
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 镜片缺陷检测国内外研究现状
1.3 深度学习在图像分类领域的研究现状
1.4 本文研究内容
第2章 镜片图像采集与方案设计
2.1 树脂镜片质量特征分析
2.2 树脂镜片图像采集
2.2.1 光源及照明方式的选择
2.2.2 树脂镜片缺陷基本类型选择
2.3 缺陷识别方案设计
2.4 本章小结
第3章 图像预处理
3.1 图像去噪
3.1.1 高斯滤波
3.1.2 双边滤波
3.2 光照不均的解决方案
3.2.1 直方图均衡化
3.2.2 基于二维伽马函数的图像自适应校正算法
3.3 形态学除尘去伪
3.3.1 形态学腐蚀与膨胀
3.3.2 形态学除尘
3.4 本章小结
第4章 基于退化YOLO网络的缺陷识别方法研究
4.1 卷积神经网络
4.1.1 网络结构
4.1.2 Logistic回归与Softmax多分类
4.2 YOLO算法理论分析
4.2.1 YOLO算法基本思想
4.2.2 非极大值抑制
4.2.3 损失函数
4.3 退化YOLO网络缺陷识别算法
4.3.1 基于退化YOLO网络缺陷识别算法分析
4.3.2 退化YOLO网络损失函数
4.4 树脂镜片数据集的建立
4.4.1 数据增强
4.4.2 数据标注
4.5 本章小结
第5章 镜片缺陷检测实验结果对比与分析
5.1 网络模型结构
5.2 实验结果与分析
5.2.1 训练过程变化曲线
5.2.2 模型评价
5.3 综合分析
5.4 实验环境
5.5 本章小结
结论
参考文献
攻读硕士期间发表的论文及所取得的研究成果
致谢
【参考文献】：
期刊论文
[1]基于深度学习的字符识别技术研究[J]. 崔丽. 自动化技术与应用. 2018(11)
[2]一种HOG特征模板匹配算法[J]. 崔伟清,党长春,张旺,王洪洲,罗勇牙. 机械管理开发. 2018(11)
[3]基于改进YOLO算法的全景多目标实时检测[J]. 蔡成涛,吴科君,刘秋飞,程海涛,马强. 计算机工程与设计. 2018(10)
[4]一种新的分类受限玻尔兹曼机改进模型[J]. 尹静,李唯唯,杨德红,闫河. 小型微型计算机系统. 2018(07)
[5]改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用[J]. 冉鹏,王灵,李昕,刘鹏伟. 上海大学学报(自然科学版). 2018(03)
[6]基于预处理与卷积神经网络的塑件划痕检测[J]. 崔炽标,李阳,毛霆,张云. 模具工业. 2017(09)
[7]中国树脂镜片质量状况和分析[J]. 孙环宝. 中国眼镜科技杂志. 2017(09)
[8]基于深度卷积神经网络的图像目标检测[J]. 尹勰,闫磊. 工业控制计算机. 2017(04)
[9]一种光照不均匀图像的自适应校正算法[J]. 王殿伟,王晶,许志杰,刘颖. 系统工程与电子技术. 2017(06)
[10]玻璃检测过程中精确定位系统[J]. 李青,卢宏文. 自动化技术与应用. 2016(12)
博士论文
[1]基于线阵扫描的自动光学检测系统关键技术研究[D]. 陈镇龙.电子科技大学 2013
硕士论文
[1]面向机器视觉应用的智能光源设计与优化研究[D]. 骆伟岸.广东工业大学 2018
[2]基于生成对抗网络的图像类别不平衡问题数据扩充方法[D]. 俞彬.华南理工大学 2018
[3]基于深度学习的目标检测与分割算法研究[D]. 王若辰.北京工业大学 2016
[4]深度学习及其在工件缺陷自动检测中的应用研究[D]. 颜伟鑫.华南理工大学 2016
[5]光学表面疵病检测系统及图像处理技术研究[D]. 张家伟.南京理工大学 2016
[6]树脂镜片制造企业产品国产化项目的计划与控制的研究[D]. 王卓.上海交通大学 2015
[7]光学镜片表面疵病检测算法研究[D]. 朱聪.西南交通大学 2014
[8]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012
[9]大口径光学元件表面疵病自动化检测系统关键问题讨论与研究[D]. 肖冰.浙江大学 2010
[10]基于双边滤波的图像处理算法研究[D]. 王玉灵.西安电子科技大学 2010
本文编号：3211960
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 镜片缺陷检测国内外研究现状
1.3 深度学习在图像分类领域的研究现状
1.4 本文研究内容
第2章 镜片图像采集与方案设计
2.1 树脂镜片质量特征分析
2.2 树脂镜片图像采集
2.2.1 光源及照明方式的选择
2.2.2 树脂镜片缺陷基本类型选择
2.3 缺陷识别方案设计
2.4 本章小结
第3章 图像预处理
3.1 图像去噪
3.1.1 高斯滤波
3.1.2 双边滤波
3.2 光照不均的解决方案
3.2.1 直方图均衡化
3.2.2 基于二维伽马函数的图像自适应校正算法
3.3 形态学除尘去伪
3.3.1 形态学腐蚀与膨胀
3.3.2 形态学除尘
3.4 本章小结
第4章 基于退化YOLO网络的缺陷识别方法研究
4.1 卷积神经网络
4.1.1 网络结构
4.1.2 Logistic回归与Softmax多分类
4.2 YOLO算法理论分析
4.2.1 YOLO算法基本思想
4.2.2 非极大值抑制
4.2.3 损失函数
4.3 退化YOLO网络缺陷识别算法
4.3.1 基于退化YOLO网络缺陷识别算法分析
4.3.2 退化YOLO网络损失函数
4.4 树脂镜片数据集的建立
4.4.1 数据增强
4.4.2 数据标注
4.5 本章小结
第5章 镜片缺陷检测实验结果对比与分析
5.1 网络模型结构
5.2 实验结果与分析
5.2.1 训练过程变化曲线
5.2.2 模型评价
5.3 综合分析
5.4 实验环境
5.5 本章小结
结论
参考文献
攻读硕士期间发表的论文及所取得的研究成果
致谢
【参考文献】：
期刊论文
[1]基于深度学习的字符识别技术研究[J]. 崔丽. 自动化技术与应用. 2018(11)
[2]一种HOG特征模板匹配算法[J]. 崔伟清,党长春,张旺,王洪洲,罗勇牙. 机械管理开发. 2018(11)
[3]基于改进YOLO算法的全景多目标实时检测[J]. 蔡成涛,吴科君,刘秋飞,程海涛,马强. 计算机工程与设计. 2018(10)
[4]一种新的分类受限玻尔兹曼机改进模型[J]. 尹静,李唯唯,杨德红,闫河. 小型微型计算机系统. 2018(07)
[5]改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用[J]. 冉鹏,王灵,李昕,刘鹏伟. 上海大学学报(自然科学版). 2018(03)
[6]基于预处理与卷积神经网络的塑件划痕检测[J]. 崔炽标,李阳,毛霆,张云. 模具工业. 2017(09)
[7]中国树脂镜片质量状况和分析[J]. 孙环宝. 中国眼镜科技杂志. 2017(09)
[8]基于深度卷积神经网络的图像目标检测[J]. 尹勰,闫磊. 工业控制计算机. 2017(04)
[9]一种光照不均匀图像的自适应校正算法[J]. 王殿伟,王晶,许志杰,刘颖. 系统工程与电子技术. 2017(06)
[10]玻璃检测过程中精确定位系统[J]. 李青,卢宏文. 自动化技术与应用. 2016(12)
博士论文
[1]基于线阵扫描的自动光学检测系统关键技术研究[D]. 陈镇龙.电子科技大学 2013
硕士论文
[1]面向机器视觉应用的智能光源设计与优化研究[D]. 骆伟岸.广东工业大学 2018
[2]基于生成对抗网络的图像类别不平衡问题数据扩充方法[D]. 俞彬.华南理工大学 2018
[3]基于深度学习的目标检测与分割算法研究[D]. 王若辰.北京工业大学 2016
[4]深度学习及其在工件缺陷自动检测中的应用研究[D]. 颜伟鑫.华南理工大学 2016
[5]光学表面疵病检测系统及图像处理技术研究[D]. 张家伟.南京理工大学 2016
[6]树脂镜片制造企业产品国产化项目的计划与控制的研究[D]. 王卓.上海交通大学 2015
[7]光学镜片表面疵病检测算法研究[D]. 朱聪.西南交通大学 2014
[8]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012
[9]大口径光学元件表面疵病自动化检测系统关键问题讨论与研究[D]. 肖冰.浙江大学 2010
[10]基于双边滤波的图像处理算法研究[D]. 王玉灵.西安电子科技大学 2010
本文编号：3211960
本文链接：https://www.wllwen.com/projectlw/qgylw/3211960.html
